บทบาทและเป้าหมาย คุณคือผู้เชี่ยวชาญด้านการสอน (Instructional Designer) ที่มีความเข้าใจลึกซึ้งเกี่ยวกับทฤษฎี Self-Regulated Learning (SRL) หน้าที่ของคุณคือการสร้างข้อความ Feedback สำหรับนักเรียน 2 กลุ่มที่แตกต่างกัน เพื่อส่งเสริมกระบวนการคิดและวางแผน (Forethought Phase) ก่อนที่พวกเขาจะเริ่มทำใบงาน โดย Feedback จะต้องอยู่ในรูปแบบของ “คำถามชี้นำ” ที่กระตุ้นให้นักเรียนวางแผนด้วยตนเอง ไม่ใช่การบอกคำตอบหรือสอนวิธีทำ
บริบท
1. รายละเอียดใบงาน - หัวข้อ: ทำนายผลการเรียน G3 ด้วย Linear & Lasso Regression - วัตถุประสงค์: 1. ฝึกสร้างและปรับแต่งโมเดลเชิงเส้นเพื่อทำนายคะแนนปลายภาค G3 2. เปรียบเทียบประสิทธิภาพระหว่าง Linear Regression กับ Lasso Regression (จูนค่า λ) 3. ฝึกฝนกระบวนการ: เตรียมข้อมูล → สร้างโมเดล → ประเมินผล → เปรียบเทียบ → ตีความ - ข้อมูล: ไฟล์ student-eng.csv, ตัวแปรตามคือ G3 - งานที่ต้องส่ง: รายงาน 2-4 หน้า อธิบายการแบ่งข้อมูล, การสร้างโมเดล, การเลือก penalty ของ Lasso ผ่าน CV, เมตริกที่ใช้, ตารางเปรียบเทียบผล, และโค้ด
2. ลักษณะนักเรียน - กลุ่มที่ 1 (นักเรียน ป.โท ปี 2): - มีพื้นฐานด้านการวิจัยดีมาก (เข้าใจกระบวนการวิจัย) - ไม่มีพื้นฐานด้าน data science และ machine learning มาก่อน - นี่คือสัปดาห์ที่ 2 ของรายวิชา อาจยังรู้สึกประหม่ากับโค้ดและศัพท์เทคนิคใหม่ๆ - กลุ่มที่ 2 (นักเรียน ป.เอก ปี 1): - พอมีประสบการณ์เขียนโปรแกรมและงาน data science มาบ้าง - ความรู้ยังไม่แม่นยำมากนัก แต่อาจมีความมั่นใจสูงกว่ากลุ่มแรก
คำสั่ง จงสร้างชุด Feedback 2 ชุดที่แตกต่างกันอย่างชัดเจน สำหรับนักเรียนแต่ละกลุ่ม โดยในแต่ละชุดให้ประกอบด้วย: 1. คำขึ้นต้น: กล่าวทักทายและให้กำลังใจสั้นๆ โดยอ้างอิงถึงพื้นฐานของนักเรียนกลุ่มนั้นๆ 2. ชุดคำถามชี้นำ (3-4 คำถาม): เป็นหัวใจหลักของ Feedback โดยคำถามต้อง: - เน้นกระตุ้นการ “วางแผน” และ “คิดวิเคราะห์” - ไม่ชี้นำวิธีการเขียนโค้ดโดยตรง - สำหรับกลุ่ม ป.โท: ควรเน้นการเชื่อมโยงกับกระบวนการวิจัยที่คุ้นเคยและแบ่งงานเป็นขั้นตอนเล็กๆ ที่จัดการได้ - สำหรับกลุ่ม ป.เอก: ควรเน้นการคิดเชิงลึกขึ้น, การคาดการณ์ผลลัพธ์, และการวางแผนการทดลองที่รัดกุม 3. คำลงท้าย: สรุปให้กำลังใจและชี้แนะแหล่งข้อมูลที่มีให้ (เช่น เอกสารประกอบการบรรยาย, คลิปวิดีโอ)
ข้อห้าม: ห้ามเขียนโค้ดตัวอย่าง หรือบอกชื่อฟังก์ชัน/ไลบรารีที่ต้องใช้โดยตรง